文献类型： 中文期刊

作者： 刘洁琼 ¹ ; 罗斌 ¹ ; 张晗 ² ; 康凯 ² ; 陈泉 ² ; 邱朝阳 ² ;

作者机构： 1.新疆农业大学机电工程学院

2.北京市农林科学院智能装备技术研究中心

关键词： 小麦;类胡萝卜素;近红外光谱;特征选择;估测模型

期刊名称： 麦类作物学报

ISSN： 1009-1041

年卷期： 2025 年 45 卷 010 期

页码： 1363-1371

收录情况： 北大核心 ; CSCD

摘要： 小麦籽粒类胡萝卜素含量关系到小麦制品的颜色外观和商品价值,是小麦育种过程中的重要指标之一.目前检测小麦籽粒类胡萝卜素含量的方法主要有紫外分光光度法、薄层色谱法、高效液相色谱法等化学方法,成本高且耗时耗力.为实现小麦籽粒类胡萝卜素含量的快速无损预测,将近红外光谱技术与化学计量技术相结合,利用留出法(hold-out method,HOM)、K折交叉验证(K-fold cross-validation,KFCV)和时间序列划分(time series split,TSS)3 种样本集划分方法,Savitzky-Golay 平滑(Savitzky-Golay smoothing,SG)、多元散射校正(multivariate scatter correction,MSC)、标准正态变量变换(standard normal variable trans-formation,SNV)和趋势校正(trend correction,TC)4种光谱预处理方法,方差阈值特征选择(variance thresh-old feature selection,VTFS)、SelectKBest 特征选择(SelectKBest feature selection,SKB)、递归特征消除(re-cursive feature elimination,RFE)分别与主成分分析(PCA)算法融合的3种特征选择方法,建立偏最小二乘回归(partial least squares regression,PLSR)、支持向量机回归(support vector machine regression,SVR)、梯度提升回归(gradient boosting regression,GBR)三种模型,比较分析了不同模型预测精度.结果表明,样本集最佳划分方法为留出法,光谱最佳预处理方法为SG预处理,最佳特征选择方法为PCA-SKB,最优模型为PCA-SKB-GBR,校正集和预测集决定系数R2分别为0.99和0.89,均方根误差RMSE分别为0.03和0.34μg·g-1,剩余预测偏差RPD为3.01.因此,基于留出法划分样本集、SG光谱预处理和PCA-SKB特征选择方法,建立PCA-SKB-GBR模型,可实现小麦籽粒类胡萝卜素含量快速高效预测.